(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111391392.5 (22)申请日 2021.11.23 (71)申请人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 韩伟　任培方　陈玮　朱苗苗　 何沁　唐旭园　黄佳妮　王澍群　 杨明　何笑英　余望舒　 (74)专利代理 机构 杭州中利知识产权代理事务 所(普通合伙) 33301 代理人 肖洋 (51)Int.Cl. G16H 50/20(2018.01) G06K 9/62(2022.01) G06V 10/764(2022.01)G06F 30/27(2020.01) A61B 3/103(2006.01) A61B 3/00(2006.01) G06F 119/02(2020.01) (54)发明名称 一种基于深度神经网络的病理性近视检测 系统 (57)摘要 本发明提出了一种基于深度神经网络的病 理性近视检测系统， 包括计算机存储器、 计算机 处理器， 可执行程序， 所述的可执行程序用于接 收眼底图像， 将其传入训练好的病理性近视检测 网络模型， 最终输出结果； 所述的病理性近视检 测网络模型包括病灶检测器、 病变程度分类器和 病理性近视判别器； 所述病变程度分类器用于判 断眼底图像的病变等级； 若该图像病变等级为不 正常， 则将眼底图像送入病灶检测器； 所述病灶 检测器用于检测眼底图像中的病灶种类及位置； 所述病理性近视判别器根据所述病变程度分类 器与所述病灶检测器的输出结果判别该眼底 图 像是否患有病理性近视。 该系统可以对眼底的整 体病变程度进行预测、 分类及定位， 判断眼底是 否患有病理性近 视。 权利要求书2页 说明书4页 CN 114334124 A 2022.04.12 CN 114334124 A 1.一种基于深度神经网络的病理性近视检测系统， 包括计算机存储器、 可与计算机存 储器通信的计算机处理器， 以及存储在所述计算机存储器中并可在所述计算机处理器上执 行的可执行程序， 其特征在于： 所述的可执行程序用于接收眼底图像， 并将其传 入训练好的 病理性近视检测网络模型， 最终输出结果； 所述的病理性近视检测网络模型包括病灶检测 器、 病变程度分类 器和病理性近 视判别器； 所述病变程度分类器用于判断眼底图像的病变等级； 若该图像病变等级为不正常， 则 将眼底图像送入病灶检测器； 所述病灶检测器用于检测眼底图像中的病灶种类及位置； 所述病理性近视判别器根据所述病变程度分类器与所述病灶检测器的输出结果判别 该眼底图像是否患有病理性近 视。 2.如权利要求1所述的一种基于深度神经网络的病理性近视检测系统， 其特征在于： 所 述的病理性近 视检测网络模型 具体训练过程包括以下步骤： S1.收集眼底图像并进行标注作为训练用数据集， 所述数据集包括眼底病变程度数据 集、 病灶检测数据集。 S2.对数据集中的眼底图像进行 预处理， 使其符合网络 输入要求； S3.对病理性近 视检测网络模型进行训练， 训练过程分为两阶段： 第一阶段， 使用眼底病变程度数据集训练病变程度分类 器； 第二阶段， 使用病灶检测数据集对病灶检测器进行训练。 3.如权利要求2所述的一种基于深度神经网络的病理性近视检测系统， 其特征在于： 第 一阶段的具体步骤为： S31.病变程度分类 器的网络参数均采用随机初始化； S32.初始学习率设置为0.0 01， 采用余弦退火学习率衰减； S33.采用随机梯度下降算法， 训练集中所有数据经过一次网络完成一个轮次， 待网络 收敛后固定该部分参数， 训练完成。 4.如权利要求2所述的一种基于深度神经网络的病理性近视检测系统， 其特征在于： 第 二阶段的具体步骤为： S34.病灶检测器骨干网络的参数初始化自第一阶段训练完成的病变程度分类器网络， 病灶检测器的其 余部分网络参数均采用随机初始化； S35.待网络收敛后， 即得到 完整的病理性近 视检测网络模型； S36.将收集到的眼底图像输入病理性近视检测网络模型， 病理性近视检测网络模型将 预测该眼底图像是否患有病理性近视， 若患有病理性近视， 病理性近视检测网络模型还将 输出病灶位置及种类。 5.如权利要求2所述的一种基于深度神经网络的病理性近视检测系统， 其特征在于： 所 述眼底病变程度数据集的标注为眼底图像病变程度， 包括五个病变等级： 等级0、 等级1、 等 级2、 等级3、 等级4， 分别表 示： 正常、 豹纹状眼底、 弥漫性脉络膜萎缩、 斑片脉络膜萎缩、 黄斑 萎缩， 所述病灶检测数据集的标注包括病灶位置和病灶种类， 所述的病灶位置包括病灶的 中心点坐标、 宽度和高度， 所述的病灶种类包括CNV、 漆 裂纹和Fuc hs斑。 6.如权利要求1至5 中任意一项所述的一种基于深度神经网络的病理性近视检测系统， 其特征在于： 所述的病理性近 视检测网络模型 具体预测过程包括以下步骤：权　利　要　求　书 1/2 页 2 CN 114334124 A 2a.对待预测的眼底图像进行 预处理使其符合病理性近 视检测网络模型的输入要求； b.眼底图像先输入到病变程度分类器网络进行病变程度的预测， 若预测结果为正常： 等级0， 则预测结束， 病理性近 视检测网络模型会输出非PM(0) c.若预测结果为不正常： 等级1、 等级2、 等级3、 等级4， 则眼底图像进入病灶检测器网 络， 被病灶检测器网络检测到的病灶将被标记， 并标 出病灶类型及预测概 率； d.病理性近视判别器综合病灶检测器网络与病变程度分类器网络的输出信息， 判断该 眼底是否患有病理性近 视； e.所述病理性近视检测网络模型输出所输入的眼底图像的病变程度、 病灶位置及种 类， 以及该眼底图像是否属于病理性近 视。 7.如权利要求6所述的一种基于深度神经网络的病理性近视检测系统， 其特征在于： 步 骤d中， 判断该眼底是否患有病理性近视的具体方法为： 若眼底病变程度为正常， 或眼底病 变程度为豹纹状眼底， 但并未检测到病灶， 则判断为 非病理性近视， 其他情况则判断为病理 性近视。 8.如权利要求1或2所述的一种基于深度神经网络的病理性近视检测系统， 其特征在 于： 所述的病变程度分类 器包括深度残差网络、 一层全连接层和一层Softmax分类层。 9.如权利要求1或2所述的一种基于深度神经网络的病理性近视检测系统， 其特征在 于： 所述病灶检测器包括 一个骨干网络， 一个RPN网络， 一个ROI ‑Pooling层和一个分类 器。 10.如权利要求1或2所述的一种基于深度神经网络的病理性近视检测系统， 其特征在 于： 所述病理性近 视判别器由逻辑判断语句构成。权　利　要　求　书 2/2 页 3 CN 114334124 A 3